近日，我校教育学院张浩博士团队在计算科学领域1区TOP期刊Information Processing and Management（IF=7.466）发表题为“Developing scalable management information system with big financial data using data mart and mining architecture”的研究论文。

本研究发现用于企业财务诊断传统的大财务数据（BFD）的管理信息系统（MIS）具有许多局限性，例如数据没有汇总，这将导致查询时间增加及分析复杂性提高。数据集市（DM）的创建导致了对数据的大量汇总，从而只包含基本的业务信息。通过使用数据挖掘技术，我们可以从DM中提取未知的有用信息，并将其应用于业务的重要决策。因此，本文采用了六层架构；界面层、分析层、提取转换负载层、数据集市层、数据挖掘层和评估层，提出了使用DM和数据挖掘的大财务数据管理信息系统，它不仅允许在决策支持中使用DM和数据挖掘技术，而且可以充分利用企业持有的非财务/财务信息。本文提供了DM与数据挖掘的构建和集成的好处。还确定了DM和关系数据库之间的区别，以供决策者获取信息。测试和分析是根据有用的度量（准确度、平衡准确度、F度量、准确度、召回率和时间）进行的。因此，从排列的星形模式返回的数据远比ERD（实体关系图）快。因此，SVM（支持向量机）在混淆矩阵参数方面优于其他算法。

论文信息

Block diagram of SMIS-BFD-DMM

 Data warehouse architecture

Simple offer for Naïve Bayes classifier

 Report about the number of equipment

该研究得到了国家自然科学基金（72164004）和贵州省哲学社会科学规划课题（21GZYB54）的联合资助。

论文链接：https://doi.org/10.1016/j.ipm.2023.103326